ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ Μεταπτυχιακό Πρόγραμμα στη Χρηματοοικονομική & Τραπεζική Διοικητική Μελέτη στη συμπεριφορά των premiums των Εταιριών Επενδύσεων Χαρτοφυλακίου του Ελληνικού Χρηματιστηρίου Παυλίδου Κατερίνα Πειραιάς, Σεπτέμβριος 2008
Εισαγωγή Ένα από τα μεγαλύτερα αινίγματα στο χώρο των χρηματοοικονομικών είναι το επονομαζόμενο παζλ των Εταιριών Επενδύσεων Χαρτοφυλακίου (γνωστές και ως closed-end funds). Αντίθετα με τα αμοιβαία κεφάλαια (open end funds) τα οποία πωλούν και εξαγοράζουν τις νέες μετοχές στην καθαρή τους αξία (net asset value- NAV) συνήθως επαυξημένη ή ελαττωμένη αντίστοιχα κατά κάποιας αμοιβής, ένα closed-end fund εκδίδει ένα συγκεκριμένο αριθμό μετοχών τις οποίες διαπραγματεύεται στο χρηματιστήριο όπως οποιαδήποτε άλλη μετοχή. Οι μετοχές αυτές συνήθως εκδίδονται στην NAV πλέον μίας προμήθειας η οποία καλύπτει τα έξοδα έκδοσης των μετοχών. Έτσι ένα closed-end fund ξεκινάει τη ζωή του διαπραγματευόμενο σε premium. Συνήθως όμως, με το πέρας κάποιων μηνών, η μετοχή του closed-end fund διαπραγματεύεται σε ένα διαρκές discount, το οποίο φαίνεται να παραβιάζει τον κανόνα της μίας τιμής και δημιουργεί το παζλ των closedend funds. Αν θεωρήσουμε ότι η χρηματιστηριακή αγορά είναι αποτελεσματική, τότε τα υποκείμενα κεφάλαια ενός closed-end fund θα πρέπει να αποτιμώνται στην σωστή τιμή τους και με την ίδια λογική θα πρέπει να ενεργούν και οι επενδυτές που διακρατούν μετοχές του closed-end fund. Υπό αυτές τις προϋποθέσεις δεν θα έπρεπε να υπάρχει discount. Για την εξήγηση του φαινόμενου αυτού υπάρχουν τόσο λογικές αιτίες όσο και μη λογικές εξηγήσεις, οι οποίες παραθέτονται στη συνέχεια. Μη ορθολογικές εξηγήσεις των discounts των closed-end funds 1. Noise Trading και η ψυχολογία των επενδυτών (DeLong et al. 1990, Lee, Shleifer, and Thaler, 1991) Η αγορά ενός closed-end fund ενέχει δύο ειδών κινδύνους. Πρώτον, υπάρχει ο κίνδυνος των διακυμάνσεων στα υποκείμενα κεφάλαια που διακρατώνται από το closed-end fund, ο οποίος μπορεί να προκληθεί από μία αλλαγή στην ψυχολογία της αγοράς. Επιπροσθέτως, εάν η αγορά είναι ατελής στην αξιοποίηση των πιθανών ευκαιριών για arbitrage, το closed-end fund θα 1
πρέπει να πουλά σε discount για να αντισταθμίσει τον επιπλέον κίνδυνο των επενδυτών. 2. Κόστος Arbitrage (Gemmill and Thomas, 2002) Μπορεί κανείς να σκεφτεί ότι το arbitrage θα εξισορροπήσει την τιμή της μετοχής του closed-end fund και την εσωτερική του αξία. Το arbitrage όμως μπορεί να έχει υψηλό κόστος και μπορεί να είναι δύσκολο να αναπαραχθεί επακριβώς το χαρτοφυλάκιο ενός closed-end fund, ιδιαίτερα από τη στιγμή που η ακριβής σύνθεσή του δεν μπορεί να είναι γνωστή ανά πάσα στιγμή ενώ πολλά από τα χρεόγραφα του χαρτοφυλακίου μπορεί να μην είναι εύκολα ρευστοποιήσιμα. Το arbitrage είναι ευκολότερο όταν η μερισματική απόδοση κατά την αγορά μετοχών ενός closed-end fund είναι μεγαλύτερη από αυτήν που πρέπει να πληρώσει ο arbitrageur στα κεφάλαια του fund. Έτσι, τα funds που έχουν μεγαλύτερη μερισματική απόδοση έχουν την τάση να έχουν και μικρότερα discounts. Επιπλέον όσο πιο δύσκολα ρευστοποιήσιμα είναι τα χρεόγραφα που εμπεριέχονται στο χαρτοφυλάκιο του closed-end fund,τόσο μεγαλύτερα είναι τα κόστη συναλλαγών. 3. Πλεονάζουσα μεταβλητότητα των τιμών των μετοχών των closed-end funds Εάν η ψυχολογία των επενδυτών οδηγεί σε μεταβαλλόμενα discounts, τότε η μεταβλητότητα των αποδόσεων ενός closed-end fund θα είναι μεγαλύτερη από αυτή της καθαρής εσωτερικής αξίας του. Υπάρχει βέβαια μία περίπτωση που ο παραπάνω ισχυρισμός είναι αναληθείς και συμβαίνει όταν οι μεταβολές στα discounts συσχετίζονται με τις αποδόσεις των υποκείμενων κεφαλαίων. Ορθολογικές Εξηγήσεις για την ύπαρξη των discounts των closed-end funds 1. Ο δείκτης δαπανών (Ross, 2004) Ένας μάνατζερ ενός closed-end fund ευνοείται από την είσπραξη των προμηθειών διαχείρισης, ενώ οι επενδυτές στο fund πληρώνονται μέσω των μερισμάτων. Ας συμβολίσουμε με m το ποσοστό της καθαρής αξίας το οποίο πληρώνεται σαν προμήθειες διαχείρισης και με d το ποσοστό της καθαρής αξίας το οποίο πληρώνεται σαν μέρισμα. Σαφώς, οι επενδυτές δικαιούνται μόνο το d/(d+m) από τις μελλοντικές χρηματοροές του fund και επομένως είναι 2
διατεθειμένοι να πληρώσουν για το fund το αντίστοιχο ποσοστό της εσωτερικής αξίας, ή αντίστοιχα ένα discount της τάξεως του m/(d+m). 2. Φορολογικοί Παράγοντες (Malkiel, 1997, 1995) Όποτε ένα closed-end fund πουλάει ένα χρεόγραφο με κέρδος υπόκειται σε φορολογία. Αυτό το κέρδος μεταβιβάζεται στους επενδυτές οι οποίοι και θα πληρώσουνε τον ανάλογο φόρο. Έτσι το δυνητικό κέρδος μπορεί να ρευστοποιηθεί μετά φόρων μόνο κατά ένα μέρος της εσωτερικής αξίας του fund. 3. Μερισματική Απόδοση (Pontiff, 1996) Μία υψηλή μερισματική απόδοση ενός closed-end fund χαμηλώνει το κόστος του arbitrage εφόσον είναι ευκολότερο όπως έχει προαναφερθεί. Υπάρχει επομένως μία αρνητική σχέση μεταξύ μερισματικών αποδόσεων και discounts. Επιπλέον, μία υψηλή μερισματική απόδοση μπορεί να είναι ιδιαίτερα ευνοϊκή για τους μικροεπενδυτές οι οποίοι ζουν από το εισόδημα που τους επιφέρουν οι επενδύσεις τους. Τέλος, τα μερίσματα δεν εμπλέκουν κόστος συναλλαγών σε αντίθεση με τη ρευστοποίηση μίας μετοχής. 4. Ρευστότητα Η ρευστότητα μπορεί να παίξει τόσο θετικό όσο και αρνητικό ρόλο στην τιμή των closed-end funds. Αφενός τα μη ρευστοποιήσιμα κεφάλαια είναι συνήθως δυσκολότερο να αποτιμηθούν και ανεβάζουν το κόστος του arbitrage, οδηγώντας έτσι σε αυξημένα discounts. Αφετέρου, μπορεί να υπάρξει το λεγόμενο clientele effect. Ένα closed-end fund με περισσότερα μη ρευστοποιήσιμα κεφάλαια μπορεί να δώσει το έναυσμα στους μικρούς επενδυτές να κρατήσουν τις μετοχές τους, δημιουργώντας έτσι κέρδος το οποίο μπορεί να οδηγήσει σε μικρότερα discounts. Το κατά πόσο επηρεάζουν είτε οι ορθολογικές είτε οι μη ορθολογικές εξηγήσεις τα discounts των closed-end funds είναι μία ερώτηση η οποία μπορεί να απαντηθεί μόνο μέσα από εμπειρική έρευνα. Καταρχήν ο δείκτης δαπανών, οι φορολογικοί συντελεστές, η μερισματική απόδοση και η ρευστότητα των κεφαλαίων είναι παράγοντες που είναι σχετικά σταθεροί υπονοώντας και μία αντίστοιχη σταθερότητα 3
των discounts. Δεύτερον, κατά ένα μεγάλο ποσοστό, οι λογικές εξηγήσεις στηρίζονται στις συνθήκες της αγοράς και όχι στον επιπρόσθετο κίνδυνο που αναλαμβάνει ο επενδυτής, γεγονός που υποδεικνύει ότι οι τιμές των funds δεν θα έπρεπε να παρουσιάζουν πλεονάζουσα μεταβλητότητα και επομένως οι αποδόσεις των closed-end funds θα έπρεπε να είναι σχετικά προβλέψιμες. 4
1. Οι Εταιρίες Επενδύσεων Χαρτοφυλακίου στην Ελληνική Αγορά και τα χαρακτηριστικά των Αποδόσεων, των Premiums και της Καθαρής τους Αξίας Στο Ελληνικό Χρηματιστήριο την παρούσα είναι εισηγμένες 8 ελληνικές εταιρίες επενδύσεων χαρτοφυλακίου. Και οι 8 εταιρίες ανήκουν στην κατηγορία μεσαίας και μικρής κεφαλαιοποίησης, ενώ, στην πλειοψηφία τους, οι κύριοι μέτοχοί τους είναι τραπεζικοί όμιλοι, γεγονός το οποίο μπορεί εύκολα να διαπιστωθεί από τον Πίνακα 2. Ο μεγαλύτερος όγκος του χαρτοφυλακίου τους είναι επενδυμένος σε χρεόγραφα του εσωτερικού (μετοχές και ομόλογα), με εξαίρεση τις GLOBAL INVESTMENT FUND και EUROLINE INVESTMENT οι οποίες έχουν τοποθετήσει το μεγαλύτερο μέρος του χαρτοφυλακίου τους σε μετοχές και ομόλογα του εξωτερικού (Πίνακας 1.) Στον Πίνακα 3. παραθέτουμε το μέγιστο, το ελάχιστο, την μέση τιμή και την τυπική απόκλιση των μεταβλητών που συμμετέχουν στην παλινδρόμηση και οι οποίες είναι η απόδοση των μετοχών των closed-end funds, τα premiums (discounts) και η απόδοση των net asset values, ενώ στον Πίνακα 4. εξετάζονται οι συσχετίσεις μεταξύ των αποδόσεων των funds, των αποδόσεων των καθαρών αξιών των funds και των premium (discounts) των funds. Οι τύποι που χρησιμοποιήθηκαν για τον υπολογισμό των αξιών τους είναι οι παρακάτω: RFUND i,t = ln(p i,t+1 + D i,t+1 ) ln(p i,t ) Όπου, RFUND i,t η απόδοση του closed-end fund i στο τέλος του δεκαπενθημέρου t P i,t+1 D i,t+1 P i,t η τιμή της μετοχής του closed-end fund i στο τέλος του δεκαπενθημέρου t+1 η τιμή του μερίσματος του closed-end fund i στο τέλος του δεκαπενθήμερου t+1 η τιμή της μετοχής του closed-end fund i στο τέλος του δεκαπενθημέρου t 5
RNAV t+1 = ln(nav t+1 + D t+1 ) ln(nav t ) Όπου, RNAV t+1 NAV t+1 & NAV t η απόδοση της καθαρής αξίας του closed-end fund i στο τέλος του δεκαπενθημέρου t+1 η τιμή της καθαρής αξίας του closed-end fund i στο τέλος του δεκαπενθημέρου t+1 και t αντίστοιχα PREM i,t = ln(p t / NAV t ) Όπου, PREM i,t το premium (discount) του closed-end fund i στο τέλος του δεκαπενθημέρου t Στον Πίνακα 4. μπορούμε να παρατηρήσουμε ότι οι συσχετίσεις μεταξύ των αποδόσεων των funds είναι σε γενικές γραμμές θετικές αν και όχι ιδιαίτερα υψηλές. Επίσης θετικές και σημαντικά υψηλότερες παρουσιάζονται οι συσχετίσεις των αποδόσεων των καθαρών αξιών των funds. Στην περίπτωση των premiums μπορούμε να δούμε σχετικά υψηλές συσχετίσεις, οι οποίες όμως σε αρκετές περιπτώσεις είναι αρνητικές. Αναδύεται, λοιπόν, το ερώτημα εάν υπάρχει ένας κοινός παράγοντας ο οποίος καθορίζει τη διαχρονική πορεία των premiums ή όχι. Αλλά ακόμα και αν υφίσταται κάποιος τέτοιος παράγοντας, δεν μπορεί να γίνει σαφές κατά πόσο αυτός έγκειται στην ψυχολογία των επενδυτών ή σε κάποια άλλη συνθήκη που σχετίζεται με την ανάληψη κινδύνου. Αυτό που αξίζει να παρατηρήσουμε στον Πίνακα 3. είναι ότι κατά κύριο λόγο οι αποκλίσεις των τιμών των funds από τις καθαρές αξίες τους κυμαίνονται σε ιδιαίτερα υψηλά επίπεδα. Επίσης, οι τυπικές αποκλίσεις των αποδόσεων των closed-end funds είναι κατά κύριο λόγο μεγαλύτερες από τις τυπικές αποκλίσεις των αποδόσεων των καθαρών αξιών τους. Το γεγονός αυτό αποτελεί μία ένδειξη ότι υπάρχει υπερβάλλουσα μεταβλητότητα στις τιμές των funds και ότι η αγορά δεν είναι αποτελεσματική. 6
Η υπερβάλλουσα μεταβλητότητα αναφέρθηκε πρώτη φορά από τον Shiller το 1981 ως ένδειξη ανακρίβειας της υπόθεσης της αποτελεσματικής αγοράς. Εάν οι επενδυτές είναι ορθολογικοί και εφόσον η τιμή μιας μετοχής αντικατοπτρίζει τις προσδοκίες των επενδυτών για τις μελλοντικές χρηματορροές, θα έπρεπε να έχει μικρότερη μεταβλητότητα από την αξία που δημιουργείται από τις πραγματοποιθείσες χρηματορροές. Στην περίπτωση των closed-end funds μπορούμε να θεωρήσουμε ότι η αξία που δημιουργείται από τις πραγματοποιθείσες χρηματορροές είναι η καθαρή αξία του fund (NAV) και επομένως αυτή θα έπρεπε να παρουσιάζει μεγαλύτερη μεταβλητότητα από την τιμή του fund. Τα δεδομένα μας όμως μάς καταδεικνύουν ακριβώς το αντίθετο. 7
2. Η σχέση των premiums των closed-end funds με την απόδοση της τιμής τους και της καθαρής τους αξίας Θα προχωρήσουμε λοιπόν ένα βήμα παρακάτω και θα εξετάσουμε την συσχέτιση της απόδοσης των closed-end funds καθώς και της καθαρής τους αξίας με την απόδοση της αγοράς αλλά και με το premium (discount) του fund. Οι ελληνικές εταιρίες επενδύσεων χαρτοφυλακίου είναι όπως προείπαμε εταιρείες μεσαίας και μικρής κεφαλαιοποίησης οι οποίες όμως διατηρούν στο χαρτοφυλάκιό τους κατά μεγάλο ποσοστό επενδύσεις σε εταιρείες μεσαίας και μεγάλης κεφαλαιοποίησης. Για το λόγο αυτό για τον υπολογισμό της απόδοσης της αγοράς θα χρησιμοποιηθεί όχι μόνο η απόδοση του Γενικού Δείκτη του χρηματιστηρίου, αλλά και η απόδοση των δεικτών FTSE/ATHEX 20, FTSE/ATHEX MID 40 και FTSE/ATHEX SMALLCAP 80. Το δείγμα μας αποτελούν οι 8 εταιρείες επενδύσεων χαρτοφυλακίου που διαπραγματεύονται στο ελληνικό χρηματιστήριο, οι οποίες υποχρεούνται να δημοσιεύουν την τιμή της καθαρής τους αξίας κάθε 15 ημέρες. Έτσι τα δεδομένα μας, τα οποία έχουν αντληθεί από τον δικτυακό τόπο της Ένωσης Θεσμικών Επενδυτών, έχουν δεκαπενθήμερη συχνότητα, ξεκινούν δε από 01/01/2003 και καταλήγουν στις 31/12/2007. Το πρόβλημα που αρχικά αντιμετωπίσαμε είναι ότι κάποιες από τις εταιρίες που συμπεριλαμβάνονται στο δείγμα μας δεν είχαν ξεκινήσει να διαπραγματεύονται στο χρηματιστήριο από τις αρχές του 2003. Η λύση στο πρόβλημα αυτό δόθηκε με τη χρήση panel data. Με τον όρο panel data εννοούμε τα δεδομένα εκείνα των οποίων η δομή έχει δύο διαστάσεις. Η μία διάσταση αναφέρεται στην διαστρωματική μορφή των δεδομένων, ενώ η δεύτερη στο στοιχείο του χρόνου. Ένα από τα πλεονεκτήματα που μας δίνει η χρήση των panel data είναι ότι είναι δομημένα έτσι ώστε να υπάρχει η δυνατότητα να λείπουν κάποιες τιμές από το σύνολο των δεδομένων. Με βάση αυτή την πληροφόρηση κρίθηκε ότι η χρήση panel data ήταν η βέλτιστη επιλογή για τον τύπο των δεδομένων που διαθέταμε. 8
Από τα αποτελέσματα των παλινδρομήσεων στον Πίνακα 5. μπορούμε να παρατηρήσουμε ότι οι αποδόσεις των closed-end funds σχετίζονται θετικά και σε επίπεδο σημαντικότητας 1% με τις αποδόσεις όλων των δεικτών. Όσο αφορά τα premium παρατηρούμε ότι υπάρχει μία αρνητική σχέση (επίπεδο σημαντικότητας 10%) μεταξύ του premium της προηγούμενης χρονικής περιόδου και της σημερινής απόδοσης του fund, λόγω μιας mean-reversion διαδικασίας στην ψυχολογία των επενδυτών. Στην παλινδρόμηση στην οποία συσχετίζεται η απόδοση των funds με τον δείκτη FTSE/ATHEX SMALLCAP 80 βλέπουμε ότι παρουσιάζονται τα υψηλότερα R2 και F-statistic ενώ τα premiums έχουν τον στατιστικά σημαντικότερο συντελεστή. Αντίθετα, στην παλινδρόμηση στην οποία συσχετίζεται η απόδοση των funds με τον δείκτη FTSE/ATHEX 20 παρουσιάζονται τα χαμηλότερα R2 και F-statistic ενώ τα premiums δεν έχουν στατιστικά σημαντικό συντελεστή. Φαίνεται, λοιπόν, ότι ανεξάρτητα από τη σύνθεση του χαρτοφυλακίου τους οι αποδόσεις των funds επηρεάζονται σε μεγαλύτερο βαθμό από τη γενικότερη πορεία των εταιρειών μεσαίας και μικρής κεφαλαιοποίησης, κατηγορία στην οποία και τα ίδια ανήκουν όπως έχουμε ήδη αναφέρει. Περνώντας τώρα στις παλινδρομήσεις των αποδόσεων των καθαρών αξιών, αυτό που αξίζει να παρατηρήσουμε είναι ότι σε καμία παλινδρόμηση δεν είναι στατιστικά σημαντικός ο συντελεστής των premiums. Το γεγονός αυτό είναι αναμενόμενο καθώς τα premiums είναι αποτέλεσμα της διαφοράς της καθαρής αξίας των funds από την προσδοκόμενη από τους επενδυτές αξία, η οποία καθορίζει και την τιμή τους. Η καθαρή αξία είναι απόρροια των πραγματικών χρηματορροών του closed-end fund και δεν θα έπρεπε να επηρεάζεται από τις εκτιμήσεις και τις προσδοκίες των επενδυτών. 9
3. Τροποποίηση του Υποδείγματος Αποτίμησης Κεφαλαιουχικών Στοιχείων The Adjusted Capital Asset Pricing Model (CAPM) Στα μέσα της δεκαετίας του 60 τρεις οικονομολόγοι, ο William Sharpe, ο John Linter και ο Jack Treynor, δημιούργησαν ένα μοντέλο για τον υπολογισμό του αναμενόμενου risk premium, το γνωστό CAPM. Η λογική του μοντέλου αυτού είναι ότι σε μία ανταγωνιστική αγορά το αναμενόμενο risk premium είναι ευθέως ανάλογο με το beta της εταιρίας. Η παραπάνω πρόταση ποσοτικοποιείται στον εξής τύπο: r i r f = β i (r m - r f ) Η διατύπωση του CAPM υπόκειται σε κάποιους περιορισμούς και υποθέσεις, οι οποίες παραθέτονται παρακάτω. 1. Οι επενδυτές επιθυμούν υψηλές αποδόσεις και χαμηλό κίνδυνο (ο οποίος εκφράζεται με την τυπική απόκλιση των αποδόσεων) για μία συγκεκριμένη χρονική απόδοση και για θεωρείται δεδομένο ότι αυτή η χρονική περίοδος είναι η ίδια για όλους τους επενδυτές. Τα χαρτοφυλάκια τα οποία χαρακτηρίζονται από τους άριστους συνδυασμούς κινδύνου- απόδοσης είναι γνωστά ως «αποτελεσματικά χαρτοφυλάκια». 2. Όλοι οι επενδυτές έχουν τις ίδιες προσδοκίες για τις αναμενόμενες αποδόσεις, τις τυπικές αποκλίσεις και τις συσχετίσεις των χρεογράφων οι οποίες αφορούν όλους τους συνδυασμούς των διαθέσιμων χρεογράφων. 3. Εάν οι επενδυτές μπορούν να δανείσουν και να δανειστούν στο επιτόκιο χωρίς κίνδυνο (risk free rate), τότε ένα αποτελεσματικό χαρτοφυλάκιο είναι καλύτερο από όλα τα υπόλοιπα. Ένας επενδυτής που αποφεύγει τον κίνδυνο μπορεί να βάλει μέρος των χρημάτων του στο χαρτοφυλάκιο και τα υπόλοιπα να τα επενδύσει με το risk free rate. Ένας επενδυτής ο οποίος είναι ανεκτικός στον κίνδυνο θα βάλει όλα τα χρήματά του στο χαρτοφυλάκιο και μπορεί να δανειστεί στο risk free rate ώστε να επενδύσει περισσότερα. 4. Κάθε επενδυτής μπορεί να πάρει οποιαδήποτε θέση σε μία επένδυση ανεξάρτητα με τον πλούτο τον οποίο διαθέτει. 10
5. Δεν υπάρχουν κόστη συναλλαγών. Εάν υπήρχαν κόστη συναλλαγών η απόδοση οποιουδήποτε χρεογράφου θα μεταβαλλόταν εάν το χρεόγραφο δεν ήταν στην ιδιοκτησία του επενδυτή. 6. Δεν υπάρχει φορολογία επί των επενδύσεων, γεγονός το οποίο αυτόματα οδηγεί στο συμπέρασμα ότι οι επενδυτές είναι αδιάφοροι ως προς τη μορφή με την οποία εισπράττουνε τα κέρδη τους. 7. Ο κάθε επενδυτής μεμονωμένα δεν μπορεί με τις κινήσεις του να επηρεάσει την τιμή ενός χρεογράφου. Αυτή η υπόθεση είναι ανάλογη με την υπόθεση του τέλειου ανταγωνισμού. Κανείς, δηλαδή, επενδυτής δεν μπορεί από μόνος του να καθορίσει τις τιμές με τις πράξεις του, αυτό όμως μπορεί να επιτευχθεί από το σύνολο των επενδυτών. 8. Όλα τα κεφαλαιουχικά στοιχεία, συμπεριλαμβανόμενου του ανθρώπινου δυναμικού, θεωρούνται διαπραγματεύσιμα. Μπορούν δηλαδή να αγορασθούν και να πωληθούν στην αγορά. 9. Όλη η πληροφόρηση είναι άμεσα διαθέσιμη και όλοι οι επενδυτές έχουν την ίδια πρόσβαση σε όλη τη διαθέσιμη πληροφόρηση. Γεγονός είναι ότι κάθε οικονομικό μοντέλο είναι μία απλοποιημένη απεικόνιση της πραγματικότητας, προκειμένου να μπορέσουμε να ερμηνεύσουμε τα οικονομικά φαινόμενα. Θα πρέπει όμως να έχουμε και μία σαφή εικόνα για την αξιοπιστία του εκάστοτε μοντέλου. Είναι κοινώς αποδεκτό ότι όλοι επενδυτές απαιτούν μία επιπλέον απόδοση για τον επιπλέον κίνδυνο που αναλαμβάνουν καθώς και ότι ο κίνδυνος ο οποίος δεν είναι δυνατό να διαφοροποιηθεί στα πλαίσια ενός χαρτοφυλακίου είναι πρώτου ενδιαφέροντος. Το CAPM καταφέρνει να εκφράσει και τα δύο αυτά δεδομένα με τρόπο απλό και ευνόητο και αυτός είναι ο λόγος για τον οποίο είναι τόσο ευρέως διαδεδομένο και χρησιμοποιούμενο τόσο από ερευνητές όσο και από επενδυτές. Το γεγονός αυτό όμως δεν σημαίνει και ότι τα αποτελέσματά του είναι απόλυτα αληθή και ακριβή. Το βασικό ερώτημα που προκύπτει είναι κατά πόσο οι υποθέσεις στις οποίες βασίζεται αντιστοιχούν στις πραγματικές συνθήκες και επομένως κατά πόσο μπορεί να χρησιμοποιηθεί για την περιγραφή της συμπεριφοράς των αποδόσεων των μετοχών στις χρηματιστηριακές αγορές. 11
Ένα από τα πλέον συζητημένα ζητήματα είναι αυτό της ορθολογικότητας των επενδυτών. Είναι γνωστό ότι η πραγματικότητα έρχεται σε αντίθεση με τις εν λόγω υποθέσεις του CAPM ειδικά όσον αφορά την μερίδα των μικροεπενδυτών και ότι η ψυχολογία των επενδυτών είναι αυτή που σε αρκετές περιπτώσεις καθορίζει τις κινήσεις τους επηρεάζοντας έτσι την πορεία της αγοράς. Παράλληλα όμως είναι εξαιρετικά δύσκολο έως ανέφικτο να εκφράσει κανείς την συγκεκριμένη παράμετρο με μία μεταβλητή. Κατόπιν της προηγούμενης ανάλυσής μας και θεωρώντας ότι τα premium (discount) των closed-end funds αντικατοπτρίζουν την ψυχολογία των επενδυτών σε δεδομένη χρονική στιγμή, θα επιχειρήσουμε να ενσωματώσουμε την συγκεκριμένη παράμετρο στο CAPM, στοχεύοντας σε περισσότερο ρεαλιστικά αποτελέσματα. Για να το επιτύχουμε αυτό θα υποθέσουμε ότι ισχύουν όλες οι αρχικές υποθέσεις του CAPM εκτός από αυτές οι οποίες αφορούν την ορθολογικότητα των επενδυτών. Σε αυτή την περίπτωση θα πρέπει να προστεθεί και ένας ακόμα παράγοντας στην μαθηματική έκφραση του CAPM, ο οποίος να εκφράζει την ψυχολογία των επενδυτών. Προκύπτει έτσι η παρακάτω προσαρμοσμένη εκδοχή του μοντέλου: r i r f = β i (r m - r f ) + γprem Για να εξετάσουμε τους παραπάνω ισχυρισμούς εμπειρικά θα εφαρμόσουμε την μεθοδολογία των μη κανονικών αποδόσεων σε ένα προκαθορισμένο δείγμα εταιριών και για συγκεκριμένες χρονικές περιόδους. Έχουμε ήδη συζητήσει την συσχέτιση των αποδόσεων των εταιριών επενδύσεων χαρτοφυλακίου με τις αποδόσεις της αγοράς και είδαμε ότι η βέλτιστη συσχέτιση παρουσιάζεται μεταξύ των αποδόσεων των closed-end funds και των αποδόσεων του δείκτη FTSE/SMALLCAP 80. Για το λόγο αυτό οι 80 εταιρίες που απαρτίζουν τον συγκεκριμένο δείκτη θα αποτελέσουν και το δείγμα μας. Για την χρονική περίοδο από 01/01/2003 έως 31/12/2007 θα εντοπίσουμε και θα εστιάσουμε την έρευνά μας στα shock της αγοράς, δηλαδή τις περιπτώσεις κατά τις οποίες ο γενικός δείκτης παρουσίασε ακραίες (είτε θετικές είτε αρνητικές) αποδόσεις, υποθέτοντας ότι κατά τη διάρκεια αυτών των περιόδων η ψυχολογία των επενδυτών ήταν ένας ισχυρός παράγοντας που οδήγησε σε ακραίες αποδόσεις των εταιριών και της χρηματιστηριακής αγοράς γενικότερα. 12
Για τους σκοπούς αυτής της εργασίας θα θεωρήσουμε ότι ένα ακραίο θετικό γεγονός (positive market shock) συμβαίνει όταν η απόδοση του γενικού δείκτη είναι μεγαλύτερη από τη μέση απόδοση πλέον δύο τυπικών αποκλίσεων. Αντίστοιχα ένα ακραίο αρνητικό γεγονός (negative market shock) συμβαίνει όταν η απόδοση του γενικού δείκτη είναι μικρότερη από τη μέση απόδοση ελαττωμένη κατά δύο τυπικές αποκλίσεις. Τα event windows εντός των οποίων θα μελετήσουμε τα shocks της αγοράς είναι 7 μέρες πριν έως 21 μέρες μετά τη δεδομένη ημερομηνία (-7 έως +21). Η μη κανονική απόδοση υπολογίζεται με τον παρακάτω τύπο: AR i,t = r i,t E(r i,t ) Όπου, AR i,t r i,t E(r i,t ) η μη κανονική απόδοση του closed-end fund i την ημέρα t η απόδοση του closed-end fund i την ημέρα t η αναμενόμενη απόδοση του closed-end fund i την ημέρα t Η αθροιστική μη κανονική απόδοση υπολογίζεται ως εξής: CAR i,t =ΣAR i,t Όπου, CAR i,t ΣAR i,t η αθροιστική μη κανονική απόδοση του closed-end fund i την ημέρα t το άθροισμα των ARs από την πρώτη έως την τελευταία μέρα του event window Τέλος, για να μπορέσουμε να βγάλουμε συμπεράσματα για τη μέση συμπεριφορά της κάθε εταιρίας στα shocks της αγοράς υπολογίζουμε τη μέση αθροιστική μη κανονική απόδοση ως εξής: ACAR i =(1/N)*ΣCAR i,t Όπου, ACAR i Ν η μέση αθροιστική μη κανονική απόδοση του closed-end fund i ο αριθμός των παρατηρήσεων 13
ΣCAR i,t το άθροισμα των CARs για κάθε closed-end fund i Ο υπολογισμός των μη κανονικών αποδόσεων γίνεται δύο φορές. Την πρώτη φορά χρησιμοποιείται για τον υπολογισμό των αναμενόμενων αποδόσεων το κλασσικό CAPM [ E(r i,t ) = r f + β i (r m - r f ) ], ενώ τη δεύτερη φορά το προσαρμοσμένο CAPM, το οποίο θα υπολογιστεί με την φόρμα E(r i,t ) = r f + β i (r m - r f ) + γprem t, όπου PREM t ο μέσος όρος των premiums (discounts) των closed-end funds την ημέρα t και όπου γ ο συντελεστής των premiums στην παλινδρόμηση των αποδόσεων των closed-end funds με τις αποδόσεις του δείκτη FTSE/SMALLCAP 80. Στον Πίνακα 6. παρουσιάζονται τα αποτελέσματα των υπολογισμών μας. Παρατηρούμε ότι η προσθήκη της παραμέτρου της ψυχολογίας των επενδυτών με τη μορφή των premiums των εταιριών επενδύσεων χαρτοφυλακίου δεν βελτίωσε τις εκτιμημένες με βάση το CAPM αποδόσεις των εταιριών. Συγκεκριμένα βλέπουμε ότι οι μέσες μη κανονικές αποδόσεις που υπολογίστηκαν με βάση το προσαρμοσμένο CAPM είναι κατά κύριο λόγο μεγαλύτερες, το ίδιο και οι αθροιστικές μη κανονικές αποδόσεις. Είναι φανερό ότι τα εμπειρικά αποτελέσματα δεν επαλήθευσαν τις προσδοκίες μας. Η αιτία δεν θα έπρεπε να αναζητηθεί στην εσφαλμένη αντίληψή μας για την ερμηνεία των premium. Άλλωστε, είναι σαφές από την προηγούμενη ανάλησή μας ότι στην περίπτωση που οι επενδυτές ήταν ορθολογικοί η εκτιμηθείσα τιμή των funds θα ισοδυναμούσε με την καθαρή τους αξία και τα premium θα ήταν μηδενικά. Θα πρέπει να εστιάσουμε όμως στο γεγονός ότι κατά τη δημιουργία του προσαρμοσμένου μοντέλου του CAPM θεωρήσαμε ότι ισχύουν όλες οι υποθέσεις του αρχικού μοντέλου εκτός της ορθολογικότητας των επενδυτών. Αυτό σημαίνει ότι αγνοήσαμε άλλους σημαντικούς παράγοντες, μεταξύ των οποίων είναι τα κόστη των συναλλαγών και η φορολογία, παράγοντες οι οποίοι με τη σειρά τους επηρεάζουν και την τιμή των closed-end funds και συνεπώς τα premiums. Τέλος, θα πρέπει να επισημάνουμε ότι είναι πιθανό κάποια shock να μην δημιουργήθηκαν στην αγορά λόγο ακραίων συμπεριφορών εκ μέρους των επενδυτών, αλλά για λόγους αντικειμενικούς, όπως για παράδειγμα σημαντικές πολιτικές εξελίξεις, μεταβολές στις οικονομικές συνθήκες της χώρας ή της παγκόσμιας αγοράς κτλ. Χαρακτηριστικό παράδειγμα είναι η κρίση 14
των subprimes, οι οποία ξεκίνησε από την αμερικάνικη και διαδόθηκε αμέσως και στην παγκόσμια αγορά τον Αύγουστο του 2007. 15
4. Συμπεράσματα Στην Ελλάδα αυτή την στιγμή υπάρχουν 8 εισηγμένες εταιρίες επενδύσεων χαρτοφυλακίου οι οποίες ανήκουν στην κατηγορία μικρής και μεσαίας κεφαλαιοποίησης. Οι τιμές και των 8 εταιριών παρουσιάζουν σημαντική απόκλιση από την καθαρή τους αξία. Όπως μπορούμε να παρατηρήσουμε στο Γράφημα 1. η διαφορά αυτή έχει μεγάλη μεταβλητότητα στις αρχές της υπό εξέταση περιόδου (2003-2007) λαμβάνοντας σε κάποιες περιπτώσεις και αρνητικές τιμές. Από τα μέσα όμως του 2004 και έως τα τέλη του 2007 βλέπουμε ότι η διαφορά αυτή για όλες τις εταιρίες είναι θετική, δηλαδή όλα τα ελληνικά funds διαπραγματεύονται σε premium. Ενδιαφέρον παρουσιάζει το γεγονός ότι τα premiums όλων των εταιριών κινούνται στα ίδια περίπου επίπεδα, παρουσιάζοντας μικρή διακύμανση. Το γεγονός αυτό μας δημιουργεί προβληματισμούς στο κατά πόσο μπορεί να υπάρχει ένας κοινός παράγοντας ο οποίος καθορίζει τη διαχρονική πορεία των premiums. Οι υπόνοιες αυτές ενισχύονται από το γεγονός ότι μεταξύ των premiums των οχτώ funds διαπιστώσαμε ότι υπάρχουν υψηλές συσχετίσεις. Το αίνιγμα των εταιριών επενδύσεων χαρτοφυλακίου έχει τραβήξει τα τελευταία χρόνια το ενδιαφέρον πολλών μελετητών. Έχουν γίνει πολλές προσπάθειες ερμηνείας του λόγου ύπαρξης των premiums των εταιριών αυτών τόσο με βάση τις ορθολογικές όσο και με τις μη ορθολογικές συνισταμένες του φαινομένου. Στη συγκεκριμένη όμως μελέτη προσπαθήσαμε να ασχοληθούμε κυρίως με την πιθανή δυνατότητα πρόβλεψης των μελλοντικών αποδόσεων των closed-end funds με βάση την απόκλιση της τιμής τους από την καθαρή τους αξία (τα λεγόμενα premiums) και την πορεία της αγοράς. Με βάση τα εμπειρικά αποτελέσματα διαπιστώσαμε ότι οι αποδόσεις των closed-end funds συνδέονται θετικά με την απόδοση της αγοράς και δη με τον δείκτη FTSE/SMALLCAP 80, το χαρτοφυλάκιο του οποίου περιέχει εταιρίες μεσαίας και μικρής κεφαλαιοποίησης, ενώ παρουσιάζουν αρνητική σχέση με τα premiums της προηγούμενης χρονικής περιόδου. Η αρνητική αυτή σχέση υποδηλώνει ότι αν σήμερα έχουμε μία αύξηση των premiums αναμένουμε μία πτώση των αποδόσεων αύριο. Αναφορικά με τις αποδόσεις των καθαρών αξιών παρατηρήθηκε ότι εμφανίζουν μία 16
θετική και στατιστικά σημαντική συσχέτιση με την απόδοση της αγοράς αλλά όχι και με τα premiums, γεγονός λογικό εφόσον ο υπολογισμός της καθαρής αξίας δεν υπόκειται σε υποκειμενικά κριτήρια και δεν αλλοιώνεται από κόστη, φορολογία ή την ψυχολογία των επενδυτών. Στο τελευταίο κομμάτι αυτής της μελέτης επιχειρήσαμε να αξιοποιήσουμε τη φύση των premiums των closed-end funds ως μέσο ανίχνευσης της ψυχολογίας των επενδυτών για να δημιουργήσουμε ένα τροποποιημένο μοντέλο του CAPM, το οποίο να συμπεριλαμβάνει τη συγκεκριμένη πληροφόρηση. Η ανάλυση όμως που έγινε με τη μέθοδο των μη- κανονικών αποδόσεων δεν επαλήθευσε τις υποθέσεις μας. Οι λόγοι μπορεί να έγκειται αφενός στην διατήρηση των αρχικών υποθέσεων του CAPM και αφετέρου στο γεγονός ότι δεν είμαστε σε θέση να προσδιορίσουμε την ακριβή πληροφόρηση που ενσωματώνουν τα premiums των εταιριών επενδύσεων χαρτοφυλακίου, τις αιτίες που οδηγούν στην δημιουργία τους καθώς και τις δυνάμεις που τα κινούν διαχρονικά. 17
Βιβλιογραφία Burton G. Malkiel, Yexiao Xu (2005), The Persistence and Predictability of Closed- End Fund Discounts Gikas Hardouvelis, Timotheos Angelidis, Emmanuel Tsiritakis (2004), Greek Closed- End Fund Premia: An Empirical Investigation Spyros Spyrou, Konstantinos Kassimatis, Emilios Galariotis, Short-term Overreaction, Underreaction and Efficient Reaction: Evidence from the London Stock Exchange Richard Brealey, Stewart Myers, Franklin Allen, Corporate Finance, McGraw- Hill International Edition, Eighth Edition, pp.188-197 Edwin Elton, Martin Gruber, Stephen Brown, William Goetmann (2007), Modern Portfolio Theory and Investment Analysis, John Wiley & Sons Inc., Seventh Edition, pp.284-298 Robert Yaffee (2005), A Primer for Panel Data Analysis Dimitrios Asteriou, Stephen Hall, Applied Econometrics A Modern Approach, Revised Edition, pp.85-173 http://www.omegaeex.gr http://www.globalneweurope.gr http://www.eurolineaeex.gr http://www.alphatrust.gr/andromeda 18
http://www.interinvest.gr http://www.diasfund.gr http://www.aeolian.gr http://www.altius.gr http:// www.agii.gr 19
Πίνακας 5. Name AGROTIKI INSURANCE NEXANS HELLAS ALCO HELLAS ALUMINUM ALLATINI ASPIS PRONIA GEN INS AS COMPANY ALPHA ASTIKA AKINHTA ALPHA GRISIN INFOTECH ATTICA PUBLICATIONS BANK OF ATTICA BALKAN EXPORT AARs 0,005826369 0,0102183 0,005926215 0,001816789 0,01045288 0,002394944-0,001826091 0,005657265 0,002262178 0,00252483 0,00884187 AARs Adj. 0,008591095 0,012983026 0,008690941 0,004581516 0,013217606 0,00515967 0,000938635 0,00839258 0,004995212 0,005289556 0,011606596 ACARs 0,022465457 0,046742504 0,026478835-0,01583582 0,060716341 0,017263778-0,009455886 0,012180564-0,001276401 0,027932847 0,029316936 max CAR 0,485599709 0,415716716 0,305696493 0,191002198 0,59432074 0,279102708 0,105702322 0,164090567 0,203145665 0,406639559 0,401793692 min CAR -0,15083103-0,12532243-0,131139117-0,42551786-0,127374416-0,154465857-0,100651405-0,094051319-0,172456354-0,105981457-0,144990138 ACARs Adj. 0,036065562 0,060116418 0,042121269-0,00126594 0,075495434 0,031322312 0,003411952 0,022656626 0,014746172 0,040892609 0,043875919 max CAR 0,497994554 0,428111561 0,325523614 0,20344281 0,614147862 0,298929829 0,117299244 0,176531179 0,21484272 0,42646668 0,414234304 min CAR -0,141222369-0,11509844-0,121293359-0,40634238-0,118753147-0,144241873-0,091042743-0,083827334-0,158359136-0,096372796-0,135381477 Name BIOKARPET BIOTER HELLAS ONLINE BLUE STAR MARITIME BYTE COMPUTER DAIOS PLASTICS DIAS AQUA CULTURE DROMEAS OFFICE FURNITURE INDUSTRY DRUCKFARBEN HELLAS EDRASIS PSALLIDAS AUDIOVISUAL AARs 0,009135486 0,005298383 0,0108586 0,012424806 0,00082135 0,009471554 0,02135359 0,004332344 0,008902663 0,004232126 0,015188757 AARs Adj. 0,011900212 0,008063109 0,013623327 0,015189532 0,003586077 0,01223628 0,024118316 0,007097071 0,01166739 0,006996853 0,018089783 ACARs 0,04347641 0,020508061 0,052474344 0,056298504 0,012291876 0,040891581 0,103801436 0,029896231 0,041246555 0,019508182 0,034514795 max CAR 0,354101309 0,217806678 0,43115001 0,676125847 0,195853727 0,219400291 0,600871726 0,408311209 0,501803475 0,399831573 0,461662208 min CAR -0,153157293-0,08637565-0,117097602-0,1036259-0,118445615-0,037761192-0,100985326-0,133380841-0,106758814-0,111137877-0,079060631 ACARs Adj. 0,056555077 0,032916679 0,064097606 0,071047966 0,024702607 0,054585876 0,115349548 0,042942673 0,053137025 0,033095853 0,042100183 max CAR 0,37392843 0,230201523 0,450977131 0,688520692 0,215680848 0,239227412 0,620698847 0,428138331 0,514198319 0,412226418 0,474057052 min CAR -0,143548632-0,07552058-0,106873617-0,09340191-0,108296554-0,028152531-0,089493197-0,12377218-0,096913056-0,101529216-0,067615846
Πίνακας 5. Name EURODRIP ELVE ELGEKA CR ELINOIL ELTRAK CR A KALPINIS-N SIMOS STL. SER.CENTER AEGEK CR ALAPIS ALUMIL MILONAS ALUM.IND. ANEK LINES CR ATHENA AARs 0,006999826 0,005710355 0,007130286 0,00249455 0,005817225 0,005335221 0,001686533 0,018071498 0,004897761 0,006046472 0,010562351 AARs Adj. 0,009764552 0,008475081 0,009895012 0,005171654 0,008550259 0,008099948 0,004451259 0,020836225 0,007662487 0,008811198 0,013327077 ACARs 0,035095328 0,035163448 0,037795592 0,013070515 0,022649323 0,019577486 0,017069374 0,086646866 0,017868368 0,028507424 0,049491092 max CAR 0,490216037 0,368733186 0,283541422 0,215088805 0,236335606 0,208385776 0,276352527 0,651640996 0,369431002 0,424402617 0,372527019 min CAR -0,20133479-0,22164753-0,106157155-0,03320534-0,112426829-0,106940798-0,170129329-0,128684635-0,11654908-0,125140371-0,114035428 ACARs Adj. 0,049099507 0,048253912 0,049450914 0,018568513 0,035604346 0,033890244 0,02688445 0,103813009 0,03156006 0,049148569 0,059103801 max CAR 0,502610882 0,388560307 0,303368543 0,22748365 0,248776219 0,220826389 0,296179648 0,671468117 0,381825847 0,444229738 0,391702501 min CAR -0,189247902-0,20956064-0,096311397-0,06857741-0,098329611-0,087765315-0,15927426-0,118460651-0,106940419-0,114285301-0,104426767 Name BETANET BITROS CR CYCLON HELLAS DOMIKI KRITIS EL D MOUZAKIS ELEFTHERI TILEORASI ELTON CR ETEM EUROPEAN REL.GEN.INS.CR EVEREST HOLDINGS&I NVS. FHL H KYRIAKIDIS MARBLES GRANITES AARs -0,000186498 0,007101248 0,005197619 0,003259003 0,003916236 0,014838482 0,003984793 0,01033476 0,008248366 0,00218197 0,00088898 AARs Adj. 0,002578228 0,009865974 0,007962345 0,006023729 0,006680963 0,017603209 0,00674952 0,013099486 0,011013092 0,004946696 0,003653707 ACARs -0,002984165 0,032770725 0,028102671 0,020561907 0,013321031 0,083540096 0,015252846 0,042152573 0,055079116 0,012254755 0,01183944 max CAR 0,243515093 0,245426491 0,383894746 0,306279761 0,285295943 0,665718406 0,22617563 0,530193011 0,614576666 0,158559821 0,221062807 min CAR -0,129085193-0,09945703-0,149756992-0,19547434-0,170600553-0,12431381-0,086894633-0,113816872-0,130171477-0,074466438-0,138832456 ACARs Adj. 0,008157053 0,046051244 0,040695895 0,032166558 0,027790029 0,097856843 0,027490298 0,057276744 0,067055542 0,024753781 0,024381705 max CAR 0,255955706 0,257867104 0,396289591 0,326106882 0,297736556 0,685545527 0,238570474 0,542587856 0,634403787 0,171000433 0,240889928 min CAR -0,10990971-0,08984837-0,140148331-0,18586567-0,160376569-0,114705149-0,076670648-0,104208211-0,122722838-0,06462068-0,127977386
Πίνακας 5. Name HATZIOANNOU CR VARDAS BENRUBI ATTI-KAT FLEXOPACK BETANET BITROS CR CYCLON HELLAS DOMIKI KRITIS EL D MOUZAKIS ELEFTHERI TILEORASI AARs -0,001965999 0,000482389-0,00191706 0,000931904 0,009838156-0,000186498 0,007101248 0,005197619 0,003259003 0,003916236 0,014838482 AARs Adj. 0,000798727 0,003247116 0,000815974 0,00369663 0,012602882 0,002578228 0,009865974 0,007962345 0,006023729 0,006680963 0,017603209 ACARs -0,00383781 0,011528967-0,009356311 0,020089446 0,045461765-0,002984165 0,032770725 0,028102671 0,020561907 0,013321031 0,083540096 max CAR 0,248525468 0,299650632 0,129526722 0,439657713 0,306135324 0,243515093 0,245426491 0,383894746 0,306279761 0,285295943 0,665718406 min CAR -0,12329905-0,10028707-0,294767397-0,19921712-0,102429814-0,129085193-0,099457031-0,149756992-0,195474336-0,170600553-0,12431381 ACARs Adj. 0,009165558 0,025568623 0,00460635 0,032538648 0,05915396 0,008157053 0,046051244 0,040695895 0,032166558 0,027790029 0,097856843 max CAR 0,268352589 0,319477753 0,141967334 0,459484834 0,32538079 0,255955706 0,257867104 0,396289591 0,326106882 0,297736556 0,685545527 min CAR -0,11244398-0,09067841-0,284543412-0,18899314-0,092821153-0,10990971-0,089848369-0,140148331-0,185865675-0,160376569-0,114705149 Name HELLENIC FABRICS HELLENIC FISH FARMING HELLENIC SUGAR IND. IKTINOS HELLAS IMPERIO ARGO GROUP INFORM P LYKOS INTERTECH INTRACOM CONSTRUCTIO NS KARATZIS KEGO KEKROPS AARs -0,000616459 0,008100819 0,004646878 0,003771955 0,007514123 0,001676615-0,000979585 0,005788473 0,011693849 0,008181645-0,001799874 AARs Adj. 0,002148268 0,010865545 0,007411604 0,006536682 0,010278849 0,004441341 0,001785141 0,008553199 0,014458575 0,010946372 0,000964852 ACARs 0,004378475 0,037225381 0,02818082 0,01528054 0,041280455 0,012743348 0,002603895 0,049264059 0,061776927 0,034590921 0,004823306 max CAR 0,192450405 0,317726937 0,358556383 0,296238541 0,202076616 0,236527539 0,292044314 0,656431017 0,424586093 0,285673643 0,347176144 min CAR -0,110854825-0,1258929-0,137016325-0,11566218-0,087067502-0,118450055-0,135604414-0,094470138-0,134561218-0,100190333-0,230235286 ACARs Adj. 0,015490219 0,047450416 0,03922596 0,027727794 0,05459252 0,026198838 0,017718684 0,062867369 0,073161131 0,047190959 0,016785948 max CAR 0,208404952 0,337554058 0,370996996 0,308679154 0,214517229 0,248968151 0,311871435 0,676258138 0,436980938 0,298114256 0,367003265 min CAR -0,101246163-0,11503783-0,127407663-0,10543819-0,076843518-0,108841394-0,125995752-0,08462438-0,124337234-0,090581672-0,218743157
Πίνακας 5. Name KLOUKINAS LAPPAS KOUMBAS HOLDINGS CR KRETA FARM KRI KRI CR LAN-NET SUSP - 30/06/08 LIVANI PUBLISHING ORG LOULIS MILLS MICROLAND MOTODYNAMICS NEORION HOLDINGS NEWSPHONE HELLAS AARs 0,015491534 0,018428081 0,008500821-0,002798 0,021488497 0,0133832 0,015230134 0,022706293 0,017987322 0,00255673 0,001670427 AARs Adj. 0,018168639 0,021161115 0,011265547-0,00020631 0,024221531 0,016147926 0,017994861 0,02547102 0,020888349 0,005289764 0,004435153 ACARs 0,046587579 0,112604189 0,044544299-0,01097569 0,153987388 0,06228843 0,066465831 0,115736424 0,035579228 0,008952674 0,020312041 max CAR 0,941548126 1,01157192 0,417568784 0,179171138 1,561676584 0,774140172 0,875044059 0,616468124 0,30127912 0,370960274 0,339309928 min CAR -0,130992576-0,11965519-0,090659695-0,10149645-0,119921353-0,08640923-0,118697989-0,092404285-0,034426804-0,182088287-0,08665425 ACARs Adj. 0,057393381 0,128220947 0,058872066-0,00086659 0,166041986 0,076172149 0,078305366 0,126769338 0,046425117 0,021979565 0,030332129 max CAR 0,953942971 1,031399041 0,429963629 0,19161175 1,581503706 0,786535017 0,887438903 0,636295245 0,313719733 0,383400887 0,359137049 min CAR -0,118905688-0,11004653-0,081051034-0,09188778-0,112194027-0,076800569-0,106611101-0,082558527-0,010988646-0,171864303-0,077045589 Name PEGASUS PUBLISHING PETROS PETROPOU LOS SA PIRAEUS PORT AUTHORITY CR PROFILE SYSTEMS & SOFTWARE REVOIL SANYO HELLAS SATO SELECTED TEXTILE SELONDA AQUACULTURE SHELMAN SIDMA AARs 0,010862982-0,00019456 0,003004319 0,00437363 0,000337254 0,015815688 0,018625493 0,010119227 0,013662326-0,000976036 0,008538191 AARs Adj. 0,013627708 0,002570164 0,005596014 0,007033551 0,003003362 0,018548722 0,021390219 0,012883953 0,016427052 0,00178869 0,011399255 ACARs 0,050857632 0,003439643 0,011773574 0,015384486-0,000654344 0,116586402 0,104955857 0,070088513 0,0633055 0,003883303 0,021849798 max CAR 0,342068001 0,201662151 0,271258357 0,389384509 0,237394159 1,319259002 0,816158421 0,797867628 0,474121537 0,299894331 0,334578145 min CAR -0,116566445-0,21708211-0,099108173-0,12692324-0,093876397-0,145859409-0,090420425-0,28018429-0,098732998-0,17049478-0,114371689 ACARs Adj. 0,061858377 0,017388231 0,027498165 0,026717346 0,011245351 0,128063878 0,115301183 0,081239955 0,076308912 0,018468089 0,028714559 max CAR 0,354462846 0,221489272 0,28369897 0,401779354 0,249834771 1,339086123 0,835985542 0,817694749 0,493948658 0,319721452 0,34697299 min CAR -0,106957784-0,20468726-0,095699517-0,11669926-0,086537883-0,136250747-0,079565356-0,269960306-0,088509014-0,159002651-0,104525931
Πίνακας 5. Name SINGULAR LOGIC INFO.SYS. & APPS. SPIDER THE HSE.OF AGRIC.SPIROY THRACE PLASTICS XK TEGOPOULO S EDTS. AARs 0,010941002-0,0011893 0,008933346 0,011182785 0,001952317 AARs Adj. 0,013674036 0,001575425 0,011698072 0,013947512 0,004717043 ACARs 0,059682016-0,00446255 0,047121132 0,052171903 0,012869039 max CAR 0,62012186 0,193153745 0,362479542 0,452935365 0,25633986 min CAR -0,144265944-0,12539603-0,145570908-0,09126992-0,086696074 ACARs Adj. 0,072459296 0,007254113 0,061992563 0,06602935 0,023078761 max CAR 0,632516705 0,205594358 0,382306663 0,46533021 0,268780472 min CAR -0,134420186-0,10622055-0,135962247-0,08166126-0,077087413
Πίνακας 5. Dependent Variable: RFUND? Method: Pooled Least Squares Date: 07/07/08 Time: 19:43 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.028975 0.001983 14.61372 0.0000 RM? 0.515005 0.045270 11.37636 0.0000 PREM?(-1) -0.003440 0.002018-1.704414 0.0886 Fixed Effects (Cross) _OMEGA--C -0.024153 _GLOBAL--C 0.027326 _EUROLINE--C -0.028048 _ALPHA--C 0.033019 _INTERINVEST--C -0.029231 _DIAS--C 0.004329 _AEOLIAN--C 0.006050 _ALTIUS--C 0.002718 Effects Specification Cross-section fixed (dummy variables) R-squared 0.284498 Mean dependent var 0.029377 Adjusted R-squared 0.278026 S.D. dependent var 0.047686 S.E. of regression 0.040518 Akaike info criterion -3.564225 Sum squared resid 1.633525 Schwarz criterion -3.515342 Log likelihood 1801.023 F-statistic 43.95901 Durbin-Watson stat 1.894463 Prob(F-statistic) 0.000000 Όπου RM η απόδοση του Γενικού Δείκτη του Χρηματιστηρίου Αξιών Αθηνών, η οποία καθορίζεται από τον τύπο RM t = ln(ase t / ASE t-1 )
Πίνακας 5. Dependent Variable: RFUND? Method: Pooled Least Squares Date: 07/07/08 Time: 19:50 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.028887 0.002017 14.32187 0.0000 RM20? 0.418582 0.042094 9.944013 0.0000 PREM?(-1) -0.003322 0.002047-1.623258 0.1049 Fixed Effects (Cross) _OMEGA--C -0.024244 _GLOBAL--C 0.027618 _EUROLINE--C -0.028104 _ALPHA--C 0.032991 _INTERINVEST--C -0.028537 _DIAS--C 0.004282 _AEOLIAN--C 0.005965 _ALTIUS--C 0.002666 Effects Specification Cross-section fixed (dummy variables) R-squared 0.264523 Mean dependent var 0.029377 Adjusted R-squared 0.257870 S.D. dependent var 0.047686 S.E. of regression 0.041080 Akaike info criterion -3.536690 Sum squared resid 1.679128 Schwarz criterion -3.487807 Log likelihood 1787.187 F-statistic 39.76254 Durbin-Watson stat 1.893729 Prob(F-statistic) 0.000000 Όπου RM20 η απόδοση του Δείκτη FTSE/ATHEX 20, η οποία καθορίζεται από τον τύπο RM20 t = ln(ftse20 t / FTSE20 t-1 )
Πίνακας 5. Dependent Variable: RFUND? Method: Pooled Least Squares Date: 07/07/08 Time: 20:03 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.027736 0.001942 14.28558 0.0000 RM40? 0.489344 0.035775 13.67826 0.0000 PREM?(-1) -0.003515 0.001968-1.785731 0.0744 Fixed Effects (Cross) _OMEGA--C -0.023902 _GLOBAL--C 0.026042 _EUROLINE--C -0.027742 _ALPHA--C 0.032634 _INTERINVEST--C -0.030673 _DIAS--C 0.004630 _AEOLIAN--C 0.006375 _ALTIUS--C 0.003022 Effects Specification Cross-section fixed (dummy variables) R-squared 0.319406 Mean dependent var 0.029377 Adjusted R-squared 0.313250 S.D. dependent var 0.047686 S.E. of regression 0.039518 Akaike info criterion -3.614244 Sum squared resid 1.553827 Schwarz criterion -3.565361 Log likelihood 1826.158 F-statistic 51.88426 Durbin-Watson stat 1.836638 Prob(F-statistic) 0.000000 Όπου RM40 η απόδοση του Δείκτη FTSE/ATHEX MID 40, η οποία καθορίζεται από τον τύπο RM40 t = ln(ftse40 t / FTSE40 t-1 )
Πίνακας 5. Dependent Variable: RFUND? Method: Pooled Least Squares Date: 07/07/08 Time: 20:01 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.029501 0.001909 15.45130 0.0000 RM80? 0.415814 0.029049 14.31445 0.0000 PREM?(-1) -0.003813 0.001954-1.951548 0.0513 Fixed Effects (Cross) _OMEGA--C -0.023665 _GLOBAL--C 0.026253 _EUROLINE--C -0.027862 _ALPHA--C 0.033017 _INTERINVEST--C -0.031593 _DIAS--C 0.004487 _AEOLIAN--C 0.006328 _ALTIUS--C 0.002891 Effects Specification Cross-section fixed (dummy variables) R-squared 0.329507 Mean dependent var 0.029377 Adjusted R-squared 0.323443 S.D. dependent var 0.047686 S.E. of regression 0.039223 Akaike info criterion -3.629197 Sum squared resid 1.530766 Schwarz criterion -3.580314 Log likelihood 1833.672 F-statistic 54.33147 Durbin-Watson stat 1.860061 Prob(F-statistic) 0.000000 Όπου RM80 η απόδοση του Δείκτη FTSE/ATHEX SMALLCAP 80, η οποία καθορίζεται από τον τύπο RM80 t = ln(ftse80 t / FTSE80 t-1 )
Πίνακας 5. Dependent Variable: RNAV? Method: Pooled Least Squares Date: 07/08/08 Time: 11:48 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.021933 0.001077 20.35662 0.0000 RM? 0.538128 0.037053 14.52313 0.0000 PREM?(-1) 5.62E-06 2.16E-05 0.260815 0.7943 Fixed Effects (Cross) _OMEGA--C -0.019668 _GLOBAL--C 0.021546 _EUROLINE--C -0.024336 _ALPHA--C 0.031719 _INTERINVEST--C -0.023342 _DIAS--C 0.002759 _AEOLIAN--C 0.004900 _ALTIUS--C 0.001065 Effects Specification Cross-section fixed (dummy variables) R-squared 0.340522 Mean dependent var 0.025045 Adjusted R-squared 0.334556 S.D. dependent var 0.040658 S.E. of regression 0.033167 Akaike info criterion -3.964637 Sum squared resid 1.094533 Schwarz criterion -3.915754 Log likelihood 2002.230 F-statistic 57.08536 Durbin-Watson stat 1.164919 Prob(F-statistic) 0.000000 Όπου RM η απόδοση του Γενικού Δείκτη του Χρηματιστηρίου Αξιών Αθηνών, η οποία καθορίζεται από τον τύπο RM t = ln(ase t / ASE t-1 )
Πίνακας 5. Dependent Variable: RNAV? Method: Pooled Least Squares Date: 07/08/08 Time: 11:27 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.021858 0.001103 19.81375 0.0000 RM20? 0.447886 0.034607 12.94192 0.0000 PREM?(-1) 5.72E-06 2.20E-05 0.260583 0.7945 Fixed Effects (Cross) _OMEGA--C -0.019774 _GLOBAL--C 0.021865 _EUROLINE--C -0.024404 _ALPHA--C 0.031722 _INTERINVEST--C -0.022640 _DIAS--C 0.002690 _AEOLIAN--C 0.004831 _ALTIUS--C 0.000998 Effects Specification Cross-section fixed (dummy variables) R-squared 0.315885 Mean dependent var 0.025045 Adjusted R-squared 0.309697 S.D. dependent var 0.040658 S.E. of regression 0.033781 Akaike info criterion -3.927960 Sum squared resid 1.135423 Schwarz criterion -3.879077 Log likelihood 1983.800 F-statistic 51.04823 Durbin-Watson stat 1.151187 Prob(F-statistic) 0.000000 Όπου RM20 η απόδοση του Δείκτη FTSE/ATHEX 20, η οποία καθορίζεται από τον τύπο RM20 t = ln(ftse20 t / FTSE20 t-1 )
Πίνακας 5. Dependent Variable: RNAV? Method: Pooled Least Squares Date: 07/08/08 Time: 11:34 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.020900 0.001070 19.53430 0.0000 RM40? 0.469726 0.029515 15.91494 0.0000 PREM?(-1) 1.15E-05 2.12E-05 0.540476 0.5890 Fixed Effects (Cross) _OMEGA--C -0.019411 _GLOBAL--C 0.020367 _EUROLINE--C -0.023999 _ALPHA--C 0.031333 _INTERINVEST--C -0.024578 _DIAS--C 0.002964 _AEOLIAN--C 0.005136 _ALTIUS--C 0.001403 Effects Specification Cross-section fixed (dummy variables) R-squared 0.362903 Mean dependent var 0.025045 Adjusted R-squared 0.357140 S.D. dependent var 0.040658 S.E. of regression 0.032599 Akaike info criterion -3.999164 Sum squared resid 1.057388 Schwarz criterion -3.950281 Log likelihood 2019.580 F-statistic 62.97455 Durbin-Watson stat 1.129351 Prob(F-statistic) 0.000000 Όπου RM40 η απόδοση του Δείκτη FTSE/ATHEX MID 40, η οποία καθορίζεται από τον τύπο RM40 t = ln(ftse40 t / FTSE40 t-1 )
Πίνακας 5. Dependent Variable: RNAV? Method: Pooled Least Squares Date: 07/08/08 Time: 11:38 Sample (adjusted): 2 154 Included observations: 153 after adjustments Cross-sections included: 8 Total pool (unbalanced) observations: 1005 Variable Coefficient Std. Error t-statistic Prob. C 0.022838 0.001079 21.16070 0.0000 RM80? 0.338626 0.024822 13.64237 0.0000 PREM?(-1) 2.38E-06 2.18E-05 0.109413 0.9129 Fixed Effects (Cross) _OMEGA--C -0.019332 _GLOBAL--C 0.020691 _EUROLINE--C -0.024179 _ALPHA--C 0.031543 _INTERINVEST--C -0.024973 _DIAS--C 0.002991 _AEOLIAN--C 0.005113 _ALTIUS--C 0.001223 Effects Specification Cross-section fixed (dummy variables) R-squared 0.326671 Mean dependent var 0.025045 Adjusted R-squared 0.320580 S.D. dependent var 0.040658 S.E. of regression 0.033513 Akaike info criterion -3.943852 Sum squared resid 1.117522 Schwarz criterion -3.894969 Log likelihood 1991.785 F-statistic 53.63681 Durbin-Watson stat 1.175989 Prob(F-statistic) 0.000000 Όπου RM80 η απόδοση του Δείκτη FTSE/ATHEX SMALLCAP 80, η οποία καθορίζεται από τον τύπο RM80 t = ln(ftse80 t / FTSE80 t-1 )